Formation Ingénierie Agentique : Du code à l’orchestration

Programme de formation Ingénierie Agentique : Du code à l’orchestration

[Jour 1 – Matin]

Fondamentaux de l’IA générative

• Des NLP aux Large Language Models
• Anatomie d’un LLM : tokens, embeddings, fenêtre de contexte
• Réseaux de neurones et poids : training vs inference
• Le paysage de l’IA générative : foundation models, plateformes, applications
• Modèles de pricing et gestion des coûts
• Paramétrage des modèles : temperature, top_p, top_k, penalties, seed, reasoning effort

[Jour 1 – Après-midi]

Prompt Engineering avancé

• Anatomie et types de prompts
• Few-Shot Learning et Chain of Thought (CoT, Zero-Shot CoT, AutoCoT)
• Self-Consistency, ReAct et General Knowledge Prompting
• Chaînage de prompts et frameworks (LangChain)
• Tester, scorer et optimiser ses prompts

[Jour 2 – Matin]

IA locale : exécuter ses propres modèles avec Ollama

• Pourquoi l’IA locale ? Confidentialité, coûts, latence
• Open weights vs modèles propriétaires : ce que ça change en pratique
• L’architecture Transformer, quantization et formats de modèles (GGUF)
• La fenêtre de contexte et le réglage du comportement à l’exécution
• Construire des modèles personnalisés (Modelfile et finetuning)

[Jour 2 – Après-midi]

Connecter les LLM aux outils : Function Calling et MCP

• Function calling : principes et mise en œuvre
• RAG vs function calling vs MCP : quand utiliser quoi
• Introduction à MCP : architecture hôte / client / serveur
• Construire un serveur MCP avec FastMCP
• Construire un client MCP : brancher un LLM sur son serveur
• Déployer un système agentique en production (MCP en production comme exemple)
• Sécuriser un serveur MCP : middleware et gates autour de chaque requête

[Jour 3 – Matin]

Pipeline RAG fonctionnel

• Embeddings et vectorisation : principes et cas d’usage
• Recherche sémantique : exemples avancés
• Panorama des bases vectorielles
• Nettoyage et préparation des données: chunking, parsing, dédoublonnage
• Pipeline RAG complet sur un corpus documentaire réel
• Injection indirecte via RAG et outils : quand le contenu récupéré devient une attaque

[Jour 3 – après-midi]

Développement agentique

• Anatomie d’un agent : boucle raisonnement-action, outils, mémoire
• Construire un agent from scratch : historique, streaming, conversations longues
• Mémoire courte et longue durée (summarization, caching, mem0)
• Agents LangChain : function calling agents
• Agents LangChain : agents augmentés avec des outils externes (MCP)

[Jour 4 – Matin]

Systèmes multi-agents

• Architectures multi-agents : patterns d’orchestration et de communication
• Coordination, délégation et partage d’état entre agents
• LangGraph : orchestration de graphes d’agents

[Jour 4 – après-midi]

Systèmes multi-agents (suite)

• Introduction à CrewAI : équipes d’agents par rôles
• Choisir son framework multi-agents

[Jour 5 – Matin]

Bonnes pratiques et guardrails

• Prompt injection, jailbreaks et OWASP LLM Top 10
• Mettre en place des guardrails en entrée et en sortie
• Observabilité et évaluation des agents

[Jour 5 – après-midi]

Outils no-code / low-code

• Panorama des plateformes no-code/low-code pour LLM
• Construire un workflow LLM visuel avec Flowise
• Créer un autogpt agent no-code
• Assembler un systeme multi-agent no-code de bout en bout